遗传算法课件研究报告.ppt

式中， 为一个适当地相对比较小的数，它可用下面几种方法之一来选取:预先指定的一个较小的数；进化到当前代为止的最小目标函数值；当前代或最近几代群体中的最小目标值。 ②比例选择算子 比例选择实际上是一种有退还随机选择,也叫做赌盘(Roulette Wheel)选择,因为这种选择方式与赌博中的赌盘操作原理非常相似。 比例选择算子的具体执行过程是：先计算出群体中所有个体的适应度之和；其次计算出每个个体的相对适应度的大小，此值即为各个个体被遗传到下一代群体中的概率；最后再使用模拟赌盘操作（即0到1之间的随机数）来确定各个个体被选中的次数。 ③单点交叉算子 单点交叉算子是最常用和最基本的交叉操作算子。单点交叉算子的具体执行过程如下：对群体中的个体进行两两随机配对；对每一对相互配对的个体，随机设置某一基因座之后的位置为交叉点；对每一对相互配对的个体，依设定的交叉概率 在其交叉点处相互交换两个个体的部分染色体，从而产生出两个新个体。 ④基本位变异算子 基本位变异算子的具体执行过程为：对个体的每一个基因座，依变异概率 指定其为变异点；对每一个指定的变异点，对其基因值做取反运算或用其他等位基因值来代替，从而产生出一个新的个体。 ⑶ 遗传算法的应用步骤 遗传算法提供了一种求解复杂系统优化问题的通用框架。对于具体问题，可按下述步骤来构造： ①确定决策变量及其各种约束条件，即确定出个体的表现型X和问题的解空间； ②建立优化模型，即描述出目标函数的类型及其数学描述形式或量化方法； ③确定表示可行解的染色体编码方法，即确定出个体的基因型X及遗传算法的搜索空间； ④确定解码方法，即确定出由个体基因型X到个体表现型X的对应关系或转换方法； ⑤确定个体适应度的量化评价方法，即确定出由目标函数值 到个体适应度的转换规则； ⑥设计遗传算子，即确定出选择运算、交叉运算、变异运算等遗传算子的具体操作方法； ⑦确定遗传算法的有关运行参数，即确定出遗传算法的 等参数。 1.6 遗传算法的模式定理 Holland提出的模式定理（schema theorem）,是遗传算法的基本原理，从进化动力学的角度提供了能够较好地解释遗传算法机理的一种数学工具，同时也是编码策略、遗传策略等分析的基础。 模式定理：在选择、交叉、变异算子的作用下，那些低阶、定义长度短、超过群体平均适应值的模式的生存数量，将随着迭代次数的增加以指数规律增长。 2、遗传算法的描述 例子：为四个连锁饭店寻找最好的经营决策，其中一个经营饭店的决策包括要做出以下三项决定： （1）价格 汉堡包的价格应该定在50美分还是1美元？ （2）饮料 和汉堡包一起供应的应该是酒还是可乐？ （3）服务速度 饭店应该提供慢的还是快的服务？ 目的：找到这三个决定的组合以产生最高的利润。 上述问题的表示方案： 串长 (l＝3）＋字母表规模（ k＝2）＋ 映射 共有8种表示方案 用遗传算法解这个问题的第一步就是选取一个适当的表示方案。 2.1、遗传算法的实例 饭店编号 价 格 饮 料 速 度 二进制表示 1 高 可乐 快 011 2 高 酒 快 001 3 低 可乐 慢 110 4 高 可乐 慢 010 表1 饭店问题的表示方案（其中的4个） 群体规模N＝4 第0代 i 串xi 适应值f(xi） 1 011 3 2 001 1 3 110 6 4 010 2 总和 12 最小值 1 平均值 3.00 最大值 6 表2 初始群体中经营决策的适应值 一个简单的遗传算法由复制、杂交、变异三个算子组成 第0代